如何在特定条件下将某个 function 应用于 DataFrame 列值

Question

我有下面的df：

ID     Value
 1        45
 2      -111

df = pd.DataFrame(columns=['ID', 'Value'], data=[['1', '45'], ['2', '-111'])

当且仅当当前值不等于 -111 时，如何将 np.radians() function 应用于值列？

最终 output 将是：

ID     Value
 1  0.785398
 2      -111

我正在尝试做类似的事情

df['Value'] = df.apply(lambda row: '-111' if row['Value'] == '-111' else np.radians(row['Value'].astype(float)), axis=1)

但我遇到了问题

Answer 1

您可以使用.where()如下：

df['Value'] = df['Value'].where(df['Value'] == -111, np.radians(df['Value']))

.where()如果测试条件为真，则保留系列的值，如果测试条件为假，则替换为第二个参数的值。 因此，它仅在此处的值不等于 -111 时才替换这些值。

结果：

print(df)


   ID       Value
0   1    0.785398
1   2 -111.000000

Answer 2

您可以使用布尔索引：

# convert Value column to float
df["Value"] = df["Value"].astype(float)

# create a mask
mask = df.Value != -111

# apply np.radians using the mask
df.loc[mask, "Value"] = df.loc[mask, "Value"].apply(np.radians)
print(df)

印刷：

  ID       Value
0  1    0.785398
1  2 -111.000000

Answer 3

np.where选项：

df.Value = np.where(df.Value.ne(-111), radians(df.Value) , df.Value)

完整代码：

from numpy import radians
df.Value = df.Value.astype(int)
df.Value = np.where(df.Value.ne(-111), radians(df.Value) , df.Value)